状态积累递归软序列估计

赵建勋，吴 博，黄继海，吉 江

(1.中州大学，河南 郑州 450044;2.解放军信息工程大学，河南 郑州 450002)

目前数字电视系统利用的伪随机(PN)序列有良好的自相关和互相关特性，因此具有抗干扰能力强、低截获、保密性能好以及易于实现安全广播等优点。接收机端的序列同步捕获算法是其中的关键技术。

1965年Ward等人提出序列估计机制的捕获算法后［1］，这一类算法有了很大的发展。在文献［2］提出的捕获算法中，将序列提前积累多次后作为初始捕获状态，这样大幅降低了信道噪声的干扰，然后以此为基础再进行捕获。Salih等提出的算法在接收端利用PN序列的相关性构造了一种辅助序列［3］，在得到辅助序列后，根据辅助序列不断判断当前捕获序列结果与正确序列的距离和迭代方向，最终实现正确捕获。这两种方法都需要超过一个周期的捕获时间。Chiu等改进了序列的积累方式［4］，信息的积累效率提高，因此算法性能获得了提高。文献［5］通过重新设计收发端的序列给出了一种分布式接收机，并采用不断积累修正获得较好的算法性能。文献［6］对现有的同步捕获方法进行了总结，并支持估计机制的优势所在。Yang等提出的递归软序列估计(Recursive Soft Sequence Estimation，RSSE)是 SE 机制的典型代表［7］。

RSSE是目前针对低信噪比、长序列周期条件下伪随机捕获算法中比较有效的一种。但当SNR值下降时，对数似然比(LLR)值会受到噪声的影响，使得RSSE机制与原有的序列捕获机制的硬判决相比没有什么优势。尤其是对于长周期序列，或是序列的生成多项式中非零项较多时，算法的捕获性能急剧下降。……